Терновский Д.Н.
КРЕДИТНЫЙ РИСК В КРЕДИТОВАНИИ МАЛОГО И СРЕДНЕГО БИЗНЕСА
CREDIT RISK IN CREDITING OF SMALL AND AVERAGE BUSINESS
Ключевые слова: кредитный риск; банковский продукт; малый и средний бизнес.
Keywords: credit risk; a bank product; small and average business.
Аннотация
В статье рассматривается кредитный риск в кредитовании предприятий малого и среднего бизнеса, и роль обеспечения (залога) по кредиту в его снижении.
In article the credit risk in crediting of the enterprises of small both average business, and a role of maintenance (pledge) under the credit in its decrease is considered.
Кредитному риску отводится центральное место в совокупности всех рисков, присущих банковской деятельности. Этот риск отражает специфику деятельности коммерческого банка и в наибольшей степени влияет на результаты указанной деятельности.
Под кредитным риском следует понимать вероятность полного или частичного невыполнения заемщиком основных условий кредитного договора. Кредитный риск складывается из риска не возврата основной суммы долга и риска неуплаты процентов по ссуде. В итоге кредитный риск свидетельствует о возможности того, что в некоторый момент в будущем стоимость кредитной части банковского портфеля активов может уменьшиться в связи с не возвратом, неполным или несвоевременным возвратом кредитов.
На возникновение и величину кредитных рисков оказывают влияние самые разнообразные факторы. Качество конкретной ссуды и кредитного портфеля банка в целом являются одними из ключевых факторов кредитного риска. Снижение вероятности потерь от кредитной операции достигается посредством глубокого анализа возможности выдачи кредита: рассмотрения кредитной заявки, технико-экономическое обоснование кредита, определение кредитоспособности клиента, оценки обеспечения возвратности кредита, изучения кредитной истории, оценки перспектив развития бизнеса заемщика, его будущих денежных потоков, рентабельности производства и т.д.
Основные методы управления кредитным риском в банках - дифференциация заемщиков, вознаграждение за риск, диверсификация кредитных вложений, ограничение рисков, их хеджирование и деление.
Дифференциация заемщиков осуществляется через оценку кредитоспособности заемщика. Диверсификация кредитных вложений осуществляется с использованием на практике разных объектов и форм кредитования, сочетание мелких и крупных ссуд, создание филиалов для снижения территориального и отраслевого риска, балансирование кредитного портфеля по срокам, изменение доли кредитов в общей сумме банковских активов. Ограничение рисков через ограничение объема крупных кредитных вложений, приходящихся на единицу собственных средств банка, лимит кредитования на одного заемщика и отдельных отраслей. Деление рисков минимизируется сотрудничеством с другими банками по совместному кредитованию крупных проектов на основе синдицированного кредита.
В практике западных банков существует хеджирование и секьюритизация кредитного риска, представляющие собой финансовые новации, которые расширяют возможности современного риск-менеджмента, но которые пока не используются в отечественной банковской практике из-за отсутствия законодательной и нормативной базы.
Кредитный риск может возникнуть по каждой отдельной ссуде, предоставленной банком, и, как следствие, по кредитному портфелю в целом. Кредитный портфель - это набор ссуд, дифференцированных с учетом риска и уровня доходности. Главное требование к фор-
мированию кредитного портфеля заключается в том, что портфель должен быть сбалансированным, т.е. повышенный риск по одним ссудам должен компенсироваться надежностью и доходностью других ссуд.
Кредитный риск банка зависит от качества выдаваемой ссуды. На качество отдельно выдаваемой ссуды влияет совокупность факторов: выдача кредита, его размер, срок, порядок погашения, отраслевая принадлежность и форма собственности заемщика, его кредитоспособность, качество обслуживания долга, способы обеспечения кредита, степень взаимоотношения клиента с банком, степень информированности банка о клиенте (о его руководителях, бизнесе, партнерах по бизнесу и конкурентах). Своевременный и детальный анализ выдаваемых ссуд с учетом перечисленных рискообразующих факторов позволяет снизить вероятность риска невозврата кредита и принять адекватные меры по минимизации влияния этих факторов в ходе осуществления процесса кредитования.
В развитых странах кредитование предприятий малого и среднего бизнеса - одно из приоритетных направлений в деятельности банков, приносящее им существенную часть доходов. В России банковское кредитование малого и среднего бизнеса развито слабо. Банки при кредитовании малых предприятий банки сталкиваются с целым рядом проблем. Анализ зарубежного опыта показал, что предприятия малого и среднего бизнеса значимы и весьма перспективы для коммерческих банков. В последний год развитие малого и среднего и его кредитование является приоритетным направлением в экономике государства.
Одна из проблем в российской практике, которая возникает при решении банками вопросов о выделении кредитов малым и средним предприятиям (МСБ) - это обеспечение. Решение вопроса о выдачи кредита банками в первую очередь влияет финансовое состояние предприятие и кредитная история. В тоже время необходимое условие выдачи кредита - наличие обеспечения. Предпочтения банков в отношении обеспечения кредитов формировались следующим образом: приемлемым является залог в виде товарно-материальных ценностей, коммерческой недвижимости, поручительства третьих лиц. Особенно остро встал вопрос в обеспечении кредитов после событий в экономике осенью 2008 года. Банки усилили свои требования к виду обеспечению, его количеству и качеству. Однако очень часто предприятия МСБ не могут предоставить обеспечение удовлетворяющее банк, или обеспечение оказывается недостаточным по своей сумме для выдачи кредита в требуемых объемах.
Реализация заложенного имущества относится ко вторичным источникам погашения кредитов, а это означает включение банком в действие принудительной формы взыскания причитающихся ему денег и это требует от банка особых усилий и немалого времени
Но всегда ли требуемое банками обеспечение снижает риски по кредитованию?
На примере одного из региональных банков Самарской области, работающего на рынке кредитования малого и среднего бизнеса попробуем разобраться в этом вопросе. Для начала была проведена выборка за 2007 и 2008 года, по выдачи кредитов предприятиям малого и среднего бизнеса. Из всей выборки были выбраны два противоположных по сущности кредитных продукта: «Кредит на приобретение имущества» с первоначальным взносом 30% от стоимости приобретаемого имущества, с принятием данного имущества в обеспечение по кредитному договору, источником для обслуживания и погашения кредита является доход от деятельности который генерировал заемщик до момента кредитования. Второй кредитный продукт - это «Кредит без обеспечения», без фиксированного залога, с поручительством лиц собственников бизнеса, и источником погашения по кредиту, является поступающая выручка в будущем.
В табл. 1 приведена выборка данных, из кредитного портфеля банка по одному из территориальных подразделений, по двум кредитным продуктам за период с 2007 год по 2008 год включительно, по одному из офисов продаж банка. В ней помимо ссудной задолженности, также представлено количество кредитных договоров в портфеле и количество дефолтных кредитных договоров на указанную дату. В таблице под дефолтом понимается неисполнение обязательств по погашению (по графику) основного долга и процентов за пользование денежными средствами в соответствии с кредитным договором в конкретный кален-
дарный месяц.
Таблица 1 - Статистика по ссудной задолженности по продуктам по одному из офису продаж банка_________________________________________________________________________
Дата Кредит на приобретение имущества, тыс. руб. (с залогом) Кредит без обеспечения, тыс. руб. (без залога)
Задолженность тыс. руб Кол-во договоров, шт. В т.ч.. кол-во дефолт. дог. Задолженность тыс. руб Кол-во договоров, шт. В т.ч.. кол-во дефолт. дог.
01.01.07г 9 844,1 9 1 7 064,7 13 0
01.02.07г 18 214,4 11 3 12 233,0 17 0
01.03.07г 18 077,4 12 3 13 023,0 18 0
01.04.07г 18 038,9 13 2 10 051,5 15 0
01.05.07г 24 014,7 15 1 10 554,6 15 0
01.06.07г 24 298,5 16 2 10 840,9 15 0
01.07.07г 24 035,3 17 2 8 705,2 17 0
01.08.07г 26 858,5 20 2 11 280,7 17 0
01.09.07г 34 503,1 24 2 7 985,5 16 0
01.10.07г 44 272,8 27 3 9 603,0 16 0
01.11.07г 53 319,8 31 2 7 086,0 12 0
01.12.07г 70 175,0 36 2 7 877,9 14 0
01.01.08г 82 016,9 42 2 9 011,6 14 0
01.02.08г 78 219,7 42 6 10 202,8 13 0
01.03.08г 74 633,3 43 5 7 966,0 12 1
01.04.08г 88 330,9 44 3 5 292,0 10 0
01.05.08г 83 601,0 44 2 6 901,4 12 0
01.06.08г 80 343,5 44 8 8 223,1 12 0
01.07.08г 85 380,8 45 6 7 504,9 12 0
01.08.08г 80 960,3 45 7 7 355,9 14 0
01.09.08г 76 360,5 44 7 5 020,4 14 0
01.10.08г 71 443,2 44 3 3 879.5 12 0
01.11.08г 66 998,7 43 5 2 045.4 9 0
01.12.08г 63 181,5 40 8 1 029.7 7 0
01.01.09г 54 913,8 39 8 433.7 4 0
В табл.1 представлена только статистика по нарушению условий кредитного договора.
Как видно из таблицы: по продукту «Кредит без обеспечения» за исключением единичного случая отсутствуют случаи неисполнения заемщиками своих обязательств по кредитному договору. При этом по второму кредитному продукту статистика неисполнения обязательств составляла от 10 до 30% от количества кредитных договоров. Рассмотрев те сделки, по которым возникли неисполнения обязательств в той или иной форме, установили, что 80% случаев неисполнения обязательств - это задержка на несколько дней в уплате основного долга в соответствии с графиком, а остальные 20% эту уже необслуживаемые кредитные договора, работа по которым была в дальнейшем передана в отдел по работе с проблемной задолженностью.
В практике кредитования анализ состава и структуры кредитного портфеля позволяет оценить, какие группы кредитов, сгруппированных по степени риска кредитных вложений, формируют данный портфель и каково соотношение между этими различными группами.
Совокупность кредитов банка, входящих в кредитный портфель, может сгруппироваться, а значит структурироваться, по следующим показаниям (признакам): отраслям экономики заемщиков, организационно-правовым формам заемщиков, географическому признаку, бизнес сегментам (корпоративный, розничный сектор), валюте кредита, размерам бизнеса заем-
Из представленной выборки в табл. 1, следует, что необходимо структурировать кредитный портфель, также по видам, предоставляемым кредитным продуктам, для анализа эффективности кредитных продуктов, дальнейшего снижения факторов кредитного риска и увеличения прибыли от кредитования.
В кредитном деле понятие риска вытекает из стремления кредитора решить двустороннюю задачу: получить дополнительный доход при достаточной гарантии от неудачи. Синтез различных подходов позволяет рассматривать кредитный риск как поведение кредитора, направленное на привлекательную цель, достижение которой сопряжено с неопределенностью и, как следствие, с вероятностью определенных потерь в сфере ликвидности ссужаемого актива и доходности кредитной операции.
Библиографический список
1. Кроливецкая Л.П. Тихомирова Е.В.Банковское дело: кредитная деятельность коммерческих банков - М.: КНОРУС, 2009. - 280с.
2. Тавасиев А.М. Мазурина Т.Ю. Бычков В.П. Банковское кредитование: Учебник. / Под ред. А.М. Тавасиева. - М.: ИНФРА-М, 2010. - 656с.
3. Никонова И.А., Шамгунов Р.Н. Стратегия и стоимость коммерческого банка - М.: «Альпина Бизнес Букс», 2005. - 304с.
Широко распространено мнение о высокой степени риска при работе с малыми заемщиками. Однако данные ряда банков, специализирующихся на кредитовании малого бизнеса, опровергают этот стереотип. Риски в банковской практике - это опасность (возможность) потерь банка при наступлении определенных событий.
- 1. Важнейшими рисками являются кредитный, процентный и валютный риски, риск несбалансированной ликвидности и риск банковских злоупотреблений.
- 2. Рыночный риск - опасность непредвиденных изменений экономической конъюнктуры конкретного рынка или в экономике в целом, страновой риск, риск стихийных бедствий.
- 3. Последние, не являясь исключительно банковскими рисками, могут, тем не менее решающим образом повлиять на финансовое положение банка.
Ни один из видов риска не может быть устранен полностью. Более того, банковская деятельность по своей природе предполагает игру на изменениях процентных ставок, валютных курсов и т.д. Чем большую степень риска берет на себя банковское учреждение, тем выше должна быть прибыль, на которую оно может рассчитывать. Задача банка при этом заключается в достижении оптимального сочетания рискованности и прибыльности своих операций, а страхование рисков (хеджирование) направлено на максимально возможное ограничение воздействия непредвиденных, непредсказуемых изменений, обеспечение минимального отклонения фактической прибыли банка от ожидаемой.
Управление рисками является основным содержанием работы банка в процессе кредитования субъектов хозяйствования и охватывает все стадии этой работы - от первичного рассмотрения кредитной заявки до завершения расчетов и рассмотрения вопроса о возобновлении (продолжении) кредитования. При этом управление рисками составляет органичную часть управления процессом кредитования в целом.
Главная задача управления рисками - минимизация рисков в тех пределах, в которых это позволяют текущая рыночная конъюнктура и необходимость как минимум сохранить позиции банка на рынке услуг кредитования, в том числе и в среде малого предпринимательства, если это отвечает приоритетам и целям долговременной кредитной стратегии банка.
Основные составляющие управления рисками включают в себя:
ѕ разделение риска;
ѕ опосредование риска (как форма его разделения);
ѕ принятие материального обеспечения (залог);
ѕ принятие финансового обеспечения (поручительство или гарантия);
ѕ перенос риска на повышенные процентные ставки по кредиту;
ѕ принятие риска венчурного кредитования; формирование фондов для списания потерь по ссудам.
Это предполагает следующие направления работы по управлению риском:
ѕ постоянный индивидуальный мониторинг каждого клиента;
ѕ постоянный мониторинг состояния отрасли (подотрасли), в которой складывается основная хозяйственная деятельность данного клиента;
ѕ привлечение и анализ гарантий;
ѕ получение компенсации за риск (реализация залога, гарантии и пр.).
Рассмотрим более подробно данные слагаемые управления рисками банковского кредитования с учетом той специфики, которая складывается при взаимодействии банков с субъектами малого предпринимательства. Потенциально существенным инструментом управления рисками может служить повышенная процентная ставка. Действительно, в большинстве случаев банки кредитуют малые предприятия по более высокой ставке, нежели своих крупных и стабильных первоклассных заемщиков. Однако, как показывает мировой опыт взаимодействия банков с малыми предприятиями, это инструмент управления рисками в данном случае малопродуктивен.
Основным инструментом управление рисками при кредитовании малого бизнеса является практика ссуд под обеспечение. Обеспечение ссуд обычно используется в широком смысле и может относиться ко многим видам кредитования. Нередко банки классифицируют кредитный портфель на обеспеченные и необеспеченные ссуды. Обеспечение обычно берется без расчета на то, что оно обязательно будет реализовано. Управление обеспечением и его хранение являются трудоемкими и неприбыльными операциями для банка. Зачастую банку вообще не имеет смысла брать в залог обеспечение, которое банк не в состоянии реализовать. Однако выдача ссуды без обеспечения в соответствии с нормами регулирования ЦБ РФ вынуждает банк иммобилизовывать значительные средства в соответствующие целевые резервы. Кроме того, доля ссуд без обеспечения (по сути - форма венчурного кредитования) также ограничена специальным нормативом, призванным обеспечить необходимую устойчивость и стабильность работы банка в целом.
Наиболее общие способы страхования рисков в банковской практике сводятся к диверсификации рисков, а также к постоянному контролю со стороны банка за соблюдением необходимых соотношений, нормативов и осуществлению при необходимости корректирующих действий .
Кредитный риск представляет собой существующий для кредитора риск неуплаты заемщиком основного долга и процентов по нему.
Диверсификация кредитного риска предполагает рассредоточение имеющихся у банка возможностей по кредитованию. Кредитный риск банка возрастает по мере увеличения общего объема кредитования и степени концентрации кредитов среди ограниченного числа заемщиков. Поэтому банки предпочитают при постоянном объеме кредитных вложений предоставлять кредиты на более мелкие суммы большему числу независимых друг от друга клиентов. Кроме того, производится распределение кредитов по срокам, по назначению кредитов, по виду обеспечения, по способу установления ставки за кредит, по отраслям, странам и т.д.
В целях диверсификации осуществляется рационирование кредита - банки устанавливают плавающие лимиты кредитования или кредитные потолки для заемщиков, сверх которых кредиты не предоставляются. Системы контроля за кредитными операциями должны включать процедуры обнаружения сигналов возможной неуплаты и меры реагирования на данную опасность уже в процессе исполнения кредитной сделки. Настораживающие признаки могут выявляться при наблюдении за ведением дел клиента или в ходе взаимоотношений с ним банка или становиться очевидными из анализа финансовой и другой документации или пояснительной информации, предоставленной клиентом.
Одним из наиболее эффективных инструментов такого управления рисками банковского кредитования малого бизнеса является система гарантий, особенно выдаваемых от лица специализированных финансовых учреждений. Гарантия как таковая не решает полностью проблемы доступности кредита для малых предприятий. Гарантия - рыночный товар, имеющий свою цену. При этом в условиях российской экономики высокий уровень предпринимательских рисков неизбежно предопределяет высокую "цену" такого специфического товара как банковская гарантия.
Складывается ситуация, при которой в гарантийных схемах кредитования для малого бизнеса должен четко просматриваться компонент государственной поддержки. Не случайно на сегодня наиболее перспективны региональные схемы таких гарантий характеризуются прямыми формами государственной поддержки и поэтому наиболее широкого и эффективно действуют в регионах, способных реализовать такую поддержку по своим финансовым ресурсам (Москва, Екатеринбург, Нижний Новгород и др.).
Банки, особенно малые и средние, видящие перспективный интерес в кредитовании малого бизнеса, но вынужденные считать каждый рубль своих рисков, серьезно заинтересованы в создании таких схем.
В мировой практике широко применяются механизмы, направленные на снижение банковского риска при кредитовании малого бизнеса. Как правило, выделяют две основные модели:
- 1. Кредитная организация напрямую работает с заемщиком, производя оценку его платежеспособности, оценку залога и т.д. Согласно опросу владельцев МБ данная схема применяется в 80 - 85% случаев. При этом банк сам берет на себя все риски, связанные с невозвратом кредита.
- 2. В цепочке "предприниматель - кредитная организация" появляется третий участник (государство, международные организации, кредитные кооперативы), который берет на себя обязательства частично субсидировать процентную ставку, вносить собственное имущество в качестве залога, гарантировать возврат займа. В ряде регионов России происходит активное внедрение данной схемы кредитования МБ. Созданные механизмы взаимодействия позволяют снизить банковские риски и увеличить объемы кредитования.
Таким образом можно сказать о том, что на сегодняшний день в условиях нестабильной ситуации на рынке для малых предприятий появляются препятствия для дальнейшего развития. Но, несмотря на падение спроса и острую нехватку финансовых ресурсов, прогнозов дальнейшего ухудшения состояния бизнеса малых предприятий становится меньше: бизнес приспосабливается. займа. В банковском секторе сегмент кредитования малого бизнеса остается лидером по темпам прироста кредитного портфеля, но составляет лишь 4,2% его общего объема.
Управление рисками является основным содержанием работы банка в процессе кредитования субъектов хозяйствования и охватывает все стадии этой работы - от первичного рассмотрения кредитной заявки до завершения расчетов и рассмотрения вопроса о возобновлении (продолжении) кредитования. С учетом зарубежного опыта представляется целесообразным принять в России меры, стимулирующие финансовую поддержку предприятий малого бизнеса.
Принимая во внимание сложившуюся ситуацию в сфере кредитования малого бизнеса, следующий этап дипломной работы построен на проведении сравнительной характеристики кредитных продуктов, предоставляемых для данного сегмента, что позволит определить положительные тенденции, понять слабые стороны в развитии программ кредитования малого бизнеса. Необходимо определить выгодные условия кредитования, позволяющие удовлетворить потребности предприятий и индивидуальных предпринимателей в кредитовании.
"Управление в кредитной организации", 2013, N 4
В последние годы сегмент кредитования малого и среднего бизнеса стал для российских коммерческих банков достаточно привлекательным. Однако для него характерны как высокая трудоемкость организации кредитного процесса, так и значительные риски. Источники кредитного риска со стороны банка концентрируются в двух направлениях: методология оценки кредитоспособности заемщика с учетом особенностей финансовой отчетности и организация кредитного процесса. Проанализируем организацию кредитного процесса как важный фактор минимизации рисков банка.
В последнее время на рынке кредитования малого бизнеса появилось много новых игроков. Они предлагают большое количество разнообразных кредитных продуктов в зависимости от суммы, наличия того или иного вида обеспечения, сроков кредитования. Популярной эта ниша стала относительно недавно.
Кредитование малого бизнеса является достойной альтернативой высокомаржинальному потребительскому кредитованию, которое лидирует по популярности в последние два года. Однако при всех достоинствах недостатков у розницы существенно больше, нежели у кредитования малого бизнеса. Стремясь одержать верх в конкурентной борьбе, банки все чаще соглашаются рассматривать неофициальные доходы физических лиц при очень быстрых (и не всегда полноценных) проверках заемщиков, что является одним из факторов, влияющих на рост дефолтности розничных портфелей и, как следствие, размеры создаваемых резервов на возможные потери по ссудам.
По-другому обстоят дела при кредитовании малого бизнеса. Проверка финансового положения таких заемщиков, как правило, более тщательная. Практически по всем продуктам, кроме микрокредитования, требуется обеспечение.
С точки зрения тяжести последствий для банковских групп во всем мире сегодня наиболее опасен кредитный риск. В условиях роста конкурентной борьбы за заемщиков малого бизнеса увеличивается вероятность дефолта некоторых из них, а также ухудшения качества портфелей ссуд, что, естественно, влечет за собой проблемы невозврата полученных кредитов. Вероятность данного вида риска в последнее время существенно возросла.
В экономической литературе приводится перечень методов управления кредитными рисками, как правило, без определенного их структурирования. Приведем собственную обобщенную классификацию методов и инструментов управления кредитными рисками (табл. 1).
Таблица 1
Методы и инструменты управления кредитным риском
Группа методов | Инструмент |
|
| Предупреждение риска | Создание структурных подразделений банка, регулирующих уровень кредитного риска, и грамотное распределение обязанностей между ними | Организационная структура банка по управлению кредитными рисками |
Отбор и оценка кредитных специалистов, их развитие | Система критериев для отбора квалифицированного персонала, повышение квалификации сотрудников |
|
Создание грамотной кредитной политики | Кредитная политика |
|
| Изучение потенциального заемщика | Предварительные параметры для отбора заемщиков, данные кредитных бюро |
|
Поиски новых сфер предложения кредитных продуктов | Совершенствование кредитных продуктов |
|
Оценка и измерение риска | Оценка и мониторинг кредитоспособности заемщика (контрагента) | Система финансового анализа заемщика (контрагента) |
Оценка и мониторинг качества кредитного портфеля | Система показателей кредитного портфеля |
|
Оценка качества обеспечения | Установление требований к обеспечению обязательств |
|
Избегание риска | Отказ от кредитования ненадежного клиента | Система финансового анализа заемщика |
Отказ от кредитования сомнительной сделки | Перечень сделок, определяемый банком и органами банковского надзора и регулирования |
|
Снижение (минимизация) риска | Использование диверсификации кредитов по различным направлениям | Диверсификация по видам кредитных продуктов, отраслям деятельности заемщиков и т.д. |
Резервирование средств | Резерв на возможные потери по ссудам, ссудной и приравненной к ней задолженности |
|
Лимитирование | Лимиты на контрагентов, виды продуктов, отрасли, страновые лимиты и т.д. |
|
Структурирование кредитов | Индивидуальные условия по конкретному договору кредитной сделки |
|
Передача риска | Перераспределение обязанностей возмещения кредитных потерь на страховую организацию | Страхование риска с помощью страховой организации |
Хеджирование на срочном рынке с помощью производных финансовых инструментов | Кредитные деривативы |
|
Секьюритизация |
||
Синдицирование |
||
Передача риска коллекторским агентствам |
||
| Удержание | Создание структурных подразделений по работе с проблемными кредитами | Подразделение по работе с проблемными кредитами |
Приведенная в табл. 1 классификация отражает существующий набор инструментов как для отдельного банка, так и для банковской группы в целом. А применяемый набор инструментов зависит от кредитной политики банка.
Рассмотрим проблемы, с которыми сталкиваются крупные банки при управлении кредитными рисками при кредитовании малого бизнеса, и возможные их решения. В частности, рассмотрим возможные варианты предупреждения риска.
Крупные банки имеют развитую филиальную сеть. Как правило, в каждом региональном центре есть один-два специалиста по кредитованию малого бизнеса. Текучесть кадров в регионах высока. В некоторых банках она достигает до 50% персонала в год. С одной стороны, кредитные специалисты часто недостаточно мотивированы, с другой - на них оказывает давление управляющий филиалом при жесткой необходимости выполнения планов.
Проблема заключается в отсутствии ответственности у кредитного специалиста при предоставлении финансовой информации в кредитном резюме. Чтобы ее решить, необходимо во внутренних документах банка четко регламентировать ответственность специалиста за предоставленную информацию. В случаях ее недостоверности кредитные специалисты и управляющие должны отчитываться перед дисциплинарной комиссией или другим аналогичным органом управления банка.
Вторая проблема заключается в достоверности данных, указанных в кредитном резюме и представленных документах. В крупных российских банках с развитой филиальной сетью практически всегда есть сезонность в рассмотрении кредитных заявок. Связано это с ежемесячными или ежеквартальными планами филиалов по выдаче кредитов. Большая часть заявок аккумулируется к концу планового периода (месяца/квартала) и часто поступает в головной офис на рассмотрение в сыром виде без полного пакета документов. В надежде на спешку и рассмотрение сквозь пальцы кредитные специалисты отправляют непроработанные заявки, что существенно влияет на срок прохождения заявки в целом. Для решения этой проблемы дополнительно к кредитному резюме необходимо создание анкеты, в которой наглядно устанавливаются критерии принятия заявки в работу (табл. 2).
Таблица 2
Анкета для представления новой заявки по кредитованию малого бизнеса на рассмотрение в риск-подразделение головного офиса
Заемщик(и) |
||
Дата обращения клиента в банк |
||
Дата выезда на анализ |
||
Дата отправки в головной офис банка |
||
| Критерии принятия заявки в работу | Соблюдение критерия (да/нет) | Комментарий (в случае отрицательного значения) |
Требования для принятия заявки в работу |
||
| ||
| ||
| ||
| ||
| ||
| ||
| ||
Необходимые согласования отклонений от стандартов кредитования и тарифов |
||
| ||
| ||
| ||
| ||
| ||
| ||
| ||
| ||
Стоп-факторы | ||
| ||
| ||
| ||
| ||
| ||
| ||
| ||
| ||
| ||
| ||
| ||
Положения кредитной политики |
||
| ||
| ||
| ||
| ||
| ||
| ||
| ||
| ||
| ||
| ||
| ||
|
При несоблюдении критериев "Требования для принятия заявки в работу", "Необходимые согласования отклонений от стандартов кредитования и тарифов", а также п. п. 9 - 12 критерия "Положения кредитной политики" кредитное резюме не принимается в работу. Для критерия "Стоп-факторы" необходимо сделать матрицу. Например , при несоблюдении трех и более пунктов из данного раздела по кредитному резюме должен быть дан отказ, менее трех - не принята заявка. Также отказ в кредитовании должен последовать при несоблюдении п. п. 1 - 8 критерия "Положения кредитной политики". Разница между непринятием заявки в работу и отказом состоит в возможности пересмотра при повторном получении кредитного резюме риск-подразделением: в первом случае пересмотр возможен, во втором - нет.
Из проблемы, описанной выше, вытекает проблема, связанная с многочисленными отправками кредитного резюме в головной офис. В таком случае со стороны бизнес-подразделений существуют нарекания по сроку и скорости рассмотрения заявок как к филиалу, так и к риск-подразделению головного офиса. Чтобы знать точно, "на чьей стороне мяч", риск-подразделению, помимо критериев непринятия и отказа, необходимо иметь четкие критерии отправки кредитных резюме на доработку обратно в филиал. Это также позволит точно рассчитать время нахождения резюме в филиале и в головном офисе и понять, какое подразделение затягивает сроки рассмотрения.
В качестве критериев доработки можно выделить следующие:
- Непрозрачные/необоснованные цели кредитования, в том числе непредставление документов по кредитам на инвестиционные цели, отсутствие комментариев по целевому использованию кредита.
Примеры непрозрачных/необоснованных целей:
а) при кредитовании на инвестиционные цели:
- основные средства приобретены не по рыночной цене, отсутствует обоснование стоимости;
- срок окупаемости проекта превышает срок запрашиваемого кредитования и (или) на период всего кредитования проект является убыточным;
- основные средства приобретены у аффилированной компании;
- реализация инвестиционного проекта влечет за собой ухудшение финансового положения заемщика (например, на период строительства/реконструкции необходимо приостановить деятельность на длительный срок либо есть риск падения выручки);
- существует явный риск недофинансирования инвестиционного проекта, то есть не подтверждено наличие необходимых собственных средств или других источников финансирования проекта, а также отсутствуют собственные (арендованные) площади для монтажа и последующей эксплуатации приобретенных основных средств;
- инвестиции осуществляются без соответствующих разрешительных документов контролирующих органов (например, строительство без исходно-разрешительной документации, проектной документации и др.) или не представлены обоснования отсутствия данных документов;
- приобретены основные средства, обремененные правами третьих лиц (залог, арест, наложенные ограничения государственными органами на приобретаемое имущество или специальный статус недвижимого имущества (например, памятник архитектуры федерального или местного значения, наличие ограничений по изменению целевого назначения объекта и т.д.)).
б) при кредитовании на пополнение оборотных средств:
- период оборачиваемости товарно-материальных ценностей больше среднеотраслевого периода оборачиваемости для данного вида бизнеса как с учетом нового кредита, так и без него (затоваренность);
- запрашивается кредитование на пополнение оборотных средств для видов деятельности, у которых отсутствует потребность в оборотном капитале (например, консалтинговые, риелторские услуги, услуги по бухгалтерскому сопровождению и др.);
- при наличии фактора сезонности в бизнесе запрашивается кредит на пополнение оборотных средств после окончания сезона (например, закуп шуб в феврале, зерна в сентябре и т.п.);
- приобретаются товарно-материальные ценности при отсутствии условий для их хранения;
- отсутствует или ограничен рынок сбыта для закупаемой продукции;
- запрашивается овердрафт при отсутствии кассовых разрывов;
- существует риск недофинансирования контракта (сумма кредита меньше суммы контракта, при этом отсутствует подтверждение наличия собственных денежных средств или других источников финансирования);
- не заключены договоры, на реализацию которых требуется пополнение оборотных средств, при контрактной деятельности.
- Отсутствуют пояснения к динамике выручки и оборотам по расчетным счетам.
- Раздел "Кредитная история" не соответствует выгрузкам из бюро кредитных историй.
- Отсутствуют (или неполные) комментарии к отрицательным заключениям других служб банка.
- Некорректно составлены баланс и комментарии к нему:
- учтены неподтвержденные (визуально и (или) документально) активы;
- данные отражены не на дату баланса;
- учтено личное имущество, не участвующее в бизнесе;
- не учтена кредиторская задолженность, по которой отсутствуют письма, подтверждающие, что она не будет востребована;
- данные баланса подтверждаются лишь справками от клиента, а не первичной документацией по основным средствам;
- данные, указанные в балансе, не соответствуют представленным документам;
- не учтены личные кредиты, по факту направленные на цели бизнеса (учтены личные кредиты, направленные не на бизнес);
- краткосрочные и долгосрочные обязательства распределены некорректно по срокам (неправильно произведена разбивка задолженности);
- отражены займы, выданные/полученные от аффилированных компаний и (или) лиц;
- кредиторская и дебиторская задолженность не очищена от задолженности перед аффилированными компаниями/лицами;
- в балансе учтены данные только по одной компании группы;
- товарно-материальные ценности указаны по цене продажи, при общей системе налогообложения указаны без НДС;
- в разделе "Инвестиции" указаны расходы, по факту не увеличивающие собственный капитал (например, косметический ремонт магазина, не приведший к увеличению стоимости недвижимости, приобретение рекламного баннера и т.д.).
- Анализ накопленной чистой прибыли за последние 12 месяцев проведен некорректно, не подтверждены крупные приобретения.
- Не подтверждены (визуально и (или) документально) товарно-материальные запасы.
- Некорректно заполнены данные по поставщикам и подрядчикам (не совпадают сроки оборачиваемости и отсрочки/предоплаты).
- Отсутствуют комментарии о причинах расхождения официального и управленческого учета.
- Не подтверждена выручка в соответствии с утвержденным списком документов.
- Не подтверждена наценка, отсутствует документальное подтверждение/обоснование увеличения наценки по сравнению с данными предыдущего финансового анализа.
- Некорректно отражены даты погашения по заемным средствам в отчете о прибылях и убытках, есть расхождение данных с данными раздела "Кредитная история".
- Необоснованно заполнен прогноз отчета о прибылях и убытках (например, необоснованно завышена выручка, учтены пиковые/разовые значения выручки, не учтено увеличение расходной части, занижены дивиденды и прочие расходы, не учтено увеличение взносов по кредитам (индивидуальный график, новые кредиты)/отсутствуют комментарии).
Если при рассмотрении заявки риск-подразделением кредитный эксперт филиала необоснованно изменяет цифры по сравнению с первоначально направленным кредитным резюме (например, занижает личные расходы, увеличивает размер выручки и т.д.), она должна сниматься с рассмотрения.
Мнение. М.А. Бобрик, ОАО "Банк Москвы", директор отдела кредитования строительства и девелопмента, к. э. н.
Одной из основных задач, стоящих перед коммерческими банками, является минимизация кредитных рисков. Для ее решения используются разные методы, в том числе формальные, полуформальные и неформальные процедуры оценки. Проблема компетенции кредитных аналитиков и качества заполнения ими кредитных заключений, безусловно, является важной, однако относится к операционному риску банка. Для целей разработки и реализации эффективных методов управления кредитными рисками при кредитовании малого бизнеса необходимо глубокое и разностороннее знание факторов кредитных рисков, возникающих при кредитовании предприятий данного сегмента, и их системная оценка. Особое значение имеет методология оценки рисков кредитования малого бизнеса в условиях, когда заемщик является индивидуальным предпринимателем и (или) применяет упрощенную форму налогообложения. Не менее важная задача в этом сегменте - кредитный мониторинг.
На основе ежемесячных данных о среднем количестве доработок на одну заявку или на основе процента заявок, отправленных в доработку риск-подразделением, необходимо корректировать размер премиальной части оклада кредитных специалистов. Например , при коэффициенте возврата заявок на доработку не выше 0,5 (более 50% заявок отправлено в доработку) ставка бонуса дополнительно увеличивается на 1%.
Для сокращения числа доработок необходимо проводить обучение кредитных специалистов, которое включает несколько этапов (табл. 3).
Таблица 3
Программа обучения кредитных специалистов
Этап обучения | Описание | Результат | Ответственное подразделение |
|
| Определяется наличие необходимых для работы в банке личностных компетенций | Перед принятием на работу | Соискатель зачисляется в штат | |
С региональным менеджером (ГО) | Проверяются знания и навыки кандидата в области кредитных продуктов, процесса, структуры сделки и потребностей клиента | Региональный центр (ГО) |
||
С сотрудником риск-подразделения | Проверяются знания и навыки кандидата в области кредитного анализа, оценки кредитоспособности, кредитных рисков | Риск-подразделение |
||
| Кредитный аналитик обучается на рабочем месте по следующим темам:
Базовые принципы проведения финансового анализа. Кредитный риск. Управленческий баланс. Отчет о прибылях и убытках. Порядок заполнения кредитного резюме. Связанность и консолидация. Структурная схема бизнеса. Отчет о движении денежных средств (Cash Flow). Связь трех отчетов. Сравнительный анализ. Анализ официальной отчетности. Общая система налогообложения. Основные счета бухгалтерского учета. Анализ финансовых коэффициентов.
| По мере изучения всех презентаций, вебинаров, прохождения тренингов и тестов, но не более 5 рабочих дней с момента приема на работу | После прохождения каждой темы обучения проводится оценочный тест. Ставится оценка в экзаменационный лист | Региональный центр (ГО), HR |
| Кредитный специалист приобретает практический опыт в финансовом анализе (3 - 5 выездов на место ведения бизнеса под руководством опытного наставника) | 5 рабочих дней | Опытный кредитный специалист-наставник дает характеристику профессиональному уровню кредитного специалиста - стажера: аналитическим способностям, знанию финансового анализа и структурированию сделки, условий продуктов и кредитного процесса. Оценка в экзаменационный лист | Виза наставника |
Подготовка кредитных заявок на рабочем месте (во время командировки) | Кредитный специалист готовит 3 - 5 кредитных заявок и направляет их в риск- подразделение | По мере написания заявок, но не более 5 рабочих дней | Сотрудник риск-подразделения оценивает уровень подготовки кредитных заявок и определяет целесообразность дальнейшей стажировки. Ставится оценка в экзаменационный лист | Риск-подразделение |
| Кредитный специалист приобретает опыт в анализе кредитных рисков и одобрении кредитных заявок | 5 рабочих дней | Начальное теоретическое тестирование с присвоением оценки. В конце стажировки проводится итоговое практическое тестирование, сотрудник риск-подразделения должен оценить уровень подготовки кредитной заявки, знания финансового анализа и анализа кредитных рисков. Ставится оценка в экзаменационный лист | Риск-подразделение |
| Кредитный специалист готовит 3 - 5 кредитных заявок и направляет их в риск-подразделение | По мере написания заявок | Сотрудник риск-подразделения оценивает уровень подготовки кредитных заявок и определяет целесообразность присвоения категории, но не ранее окончания испытательного срока | Риск-подразделение |
По итогам обучения каждому кредитному специалисту присваивается категория в зависимости от уровня профессиональных навыков, ответственности и внимательности.
В зависимости от категории кредитный специалист может направлять в головной офис упрощенный пакет документов на верификацию. Отдельно по каждой категории составляется список документов и присваивается максимальная сумма лимита на заемщика/группу компаний. Таким образом, категория отражает не только уровень квалификации кредитного специалиста, но и уровень доверия к предоставленной в кредитном резюме информации.
Необходимо осуществлять пересмотр категорий по итогам месяца/ квартала/полугодия. После пересмотра категория может быть изменена как в лучшую, так и в худшую сторону, если кредитный специалист покажет неэффективную работу или ухудшится качество кредитного портфеля.
Основные проблемы банков, имеющих широкую филиальную сеть, при кредитовании малого бизнеса связаны с отсутствием ответственности у кредитного специалиста при предоставлении финансовой информации в кредитном резюме, с достоверностью данных, указанных в кредитном резюме и представленных документах, а также с многочисленными доработками кредитного резюме и изменением информации.
Для решения данных проблем необходимы четкая регламентация ответственности кредитных специалистов, разработка критериев принятия заявки в работу, критериев отправки кредитного резюме в доработку. Действенными мерами по снижению числа доработок являются денежная мотивация кредитных специалистов в зависимости от количества заявок, отправленных в доработку, а также регулярное обучение специалистов. Итогом обучения может быть присвоение категории, так называемого рейтинга доверия.
Такие меры позволят не только снизить вероятность возникновения кредитного риска, но и повысить эффективность рассмотрения заявок по кредитованию малого бизнеса в крупных банках.
А.П.Миронова
Директор
департамента санкционирования
кредитных рисков
КБ "Юниаструм Банк" (ООО)
Но, как показывают и теория, и опыт оценки и управления кредитным риском, кредитный риск имеет сложную внутреннюю структуру. Помимо рисков, обусловленных особенностями каждого конкретного заемщика, в нем присутствуют и другие компоненты. Рынок кредитования предприятий МСБ в нашей стране является последним сегментом кредитного рынка, еще в недостаточной степени охваченным банковскими услугами. Как же должны быть устроены системы, оценивающие и управляющие рисками кредитования предприятий этого сегмента?
Из чего состоит кредитный риск?
Одновременно с быстрым ростом кредитного рынка в России в первом десятилетии XXI в. возросли и риски, связанные с кредитным бизнесом. В силу этого повышается и значимость методик оценки кредитоспособности заемщиков для российских банков. Но для создания и использования методик измерения и управления кредитными рисками необходимо сначала разобраться с тем, какие виды кредитного риска существуют и как они соотносятся друг с другом. На рис. 1 представлена иерархия видов кредитного риска, которая формируется в трехуровневую структуру.
Рисунок 1
На базовом уровне кредитный риск представлен транзакционным риском. Этот риск связан с вариативностью кредитоспособности отдельных заемщиков, возникающей в ответ на изменение влияющих на нее экономических, отраслевых, социально-демографических и иных факторов. Этот риск проявляется в вариативности денежного потока предприятий или доходов заемщиков — физических лиц. В силу этого могут претерпевать изменения и вероятность возврата или, наоборот, невозврата ими заемных средств. На следующем уровне иерархии расположены риски, связанные с «поведением» больших групп кредитов, объединенных по принципу похожести в «единый большой кредит», называемый портфелем. Объединение кредитов в портфель диктуется необходимостью уменьшения издержек на управление: предполагается, что таким портфелем можно управлять как одним большим кредитом. Но тогда такой метакредит должен характеризоваться какими?то параметрами, позволяющими оценить свойственный ему риск — так называемый портфельный риск. В портфель объединяют кредиты, подверженные влиянию одинаковых факторов риска, среди которых присутствуют как экономические (например, состояние спроса в отрасли), так и социальные (например, уровень доходов населения) факторы. Приведем в пример возможную ситуацию с портфелем кредитов МСБ: в случае падения спроса у наиболее слабых предприятий с наименее диверсифицированными товарными портфелями или с наименее диверсифицированными системами дистрибуции доходы упадут в первую очередь и, следовательно, возрастет вероятность дефолта. Следующий, третий, уровень иерархии представлен аллокационным кредитным риском — риском, обусловленным распределением активов банка по отраслям, регионам его присутствия и продуктам банка. Разная динамика развития и разное состояние региональных экономик, отраслей и, например, спроса на разные типы банковских кредитов определяют вариативность качества кредитных портфелей, сформированных банком. Таким образом, вложение в разных пропорциях средств в кредитование одного и того же состава отраслей, которым предлагаются одни и те кредитные продукты, а отрасли локализованы в одних и тех же регионах, приведет к тому, что каждая из таких различных возможных аллокаций кредитных ресурсов будет генерировать свою доходность и будет характеризоваться своим уровнем кредитного, аллокационного, риска. В данной статье мы сконцентрируем внимание на самом нижнем — базовом — транзакционном уровне кредитного риска.
Фундамент систем управления транзакционным кредитным риском — скоринг
Начнем описание методического обеспечения оценки и управления транзакционным кредитным риском с определения термина «скоринг». Кредитным скорингом называется быстрая, точная, объективная и устойчивая процедура оценки кредитного риска, имеющая под собой научное обоснование. Скоринг всегда представляет собой ту или иную математическую модель, которая соотносит уровень кредитного риска (вероятность дефолта заемщика) с множеством различных параметров, характеризующих заемщика — физическое или юридическое лицо. Сразу заметим, что моделей скоринга для решения одной и той же задачи, например оценки кредитного риска предприятий МСБ, может быть множество. Причем каждая из таких моделей выстраивается по индивидуальному алгоритму, использует свой набор факторов, характеризующих риск, связанный с кредитованием заемщика, и в результате получает пороговую оценку, которая и позволяет разделять заемщиков на «плохих» и «хороших». Смысл кредитного скоринга заключается в том, что каждому соискателю кредита присваивается индивидуальная оценка кредитного риска — вероятности дефолта. Сравнение значения вероятности дефолта, полученной для конкретного заемщика, со специфичной (подчеркнем это) для каждой модели скоринга пороговой оценкой помогает решить труднейшую проблему выбора при выдаче кредита: давать средства данному заемщику или нет. Таким образом, скоринг по сути является автоматической или автоматизированной процедурой, классифицирующей заемщиков на требуемое количество классов. В самом простом случае таких классов два — те, кому кредит выдать можно, и те, кому он строго «противопоказан».
Благодаря использованию скоринга банк получает возможность снижения числа «плохих» кредитов за счет фильтрации потока клиентских кредитных заявок. В качестве доказательства приведем данные по кредитованию физических лиц с использованием системы скоринга фирмы Fair Isaac. После «пропускания» факторов, характеризующих заемщика, через скоринговую модель мы получаем число (скоринговый балл), определяющее уровень кредитного риска, свойственного данному заемщику. Это число принимает одно из значений в интервале от 500 до 800. Каждое из значений в этом интервале характеризует различную вероятность погашения кредитных обязательств заемщиком. То есть разные значения кредитного скоринга подразумевают различные соотношения «хороших» и «плохих» заемщиков (рис. 2).
Рисунок 2
На рис. 2 на горизонтальной оси откладывается значение скорингового балла, рассчитываемого моделью, а на оси ординат — соответствующая данному скоринговому баллу вероятность дефолта заемщика. Как видно из рисунка, рост скорингового балла заемщика сопровождается падением вероятности его дефолта: чем выше скоринговый балл, тем более устойчив конкретный заемщик к проявлению кредитного риска. Рисунок иллюстрирует эту зависимость: если в банк обратятся 100 человек, у которых скоринговый балл превышает 800, то только один из них не вернет взятые средства. И наоборот, если в компанию обратятся 100 человек со скоринговым баллом 499 и менее, то 87 из них не вернут средства, взятые в долг. Таким образом, кредитуя заемщиков с высоким значением скоринга, банк уменьшает вероятность невозврата кредитов. Тем самым уменьшаются потери и увеличивается прибыль от кредитной деятельности без снижения стандартов кредитования.
Как устроен скоринг? Что внутри?
Для создания систем скоринга необходимо несколько ингредиентов. Их рассмотрение начнем с анализа моделей скоринга, используемых для оценки кредитоспособности предприятий, поскольку именно для предприятий уже разработаны модели скоринга, структура которых описана в научной периодике. Наиболее известной из таких моделей является модель Э. Альтмана, первый вариант которой был разработан в 1968 г. на основе статистических данных менее чем 70 американских компаний, половина из которых обанкротилась. Эта модель предназначена для оценки кредитоспособности крупных публичных компаний базовых отраслей американской экономики. Модель Альтмана не может быть использована для оценки кредитоспособности, например, предприятий малого бизнеса. Поэтому в 1984 г. исследователем Д. Фулмером была создана специальная модель оценки кредитоспособности малых предприятий с годовым оборотом около $0,5-1 млн. Третья из рассматриваемых нами моделей создана всемирно известной фирмой Fair Isaaс — признанным лидером в разработке моделей скоринга для кредитования физических лиц. Это одна из наименее публичных моделей, о внутреннем устройстве которой известно немного. Может ли что?то объединять модели скоринга для столь различных объектов: крупных предприятий, предприятий малого бизнеса и физических лиц? Оказывается — да, может! Этим объединяющим моментом для всех трех типов моделей является равенство:
где Z — значение оценки скоринга (скоринговый балл);
a k — весовые коэффициенты, характеризующие значимость факторов риска;
X k — факторы риска, определяющие кредитоспособность заемщика.
Эта формула предназначена для расчета значения кредитного скоринга, или численного значения, характеризующего качество кредитоспособности заемщика. Именно такая (или аналогичная) формула является «ядром» практически любой системы скоринга. В частности, в модели Альтмана она принимает вид:
где коэффициенты модели принимают значения 1,2; 1,4; 3,3; 0,6; 0,999 и являются весами, определяющими значимость факторов риска; символы A, B, C и т.д. — факторы риска. Например, А — отношение оборотного капитала к совокупным активам; В — отношение нераспределенной прибыли прошлых лет к совокупным активам; С — отношение прибыли до уплаты процентов и налогов к совокупным активам; D — отношение рыночной капитализации к полной балансовой стоимости долговых обязательств; Е — отношение объема реализации к совокупным активам.
В модели Фулмера аналогичная формула для оценки кредитоспособности приобретает следующий вид:
Z = 6,075 + 5,528V 1 + 0,212V 2 + 0,073V 3 + 1,270V 4 + 0,120V 5 +
+ 2,335V 6 + 0,575V 7 + 1,083V 8 + 0,849V 9 ,
где V 1 — отношение нераспределенной прибыли прошлых лет к совокупным активам;
V 2 — отношение объема реализации к совокупным активам;
V 3 — отношение прибыли до уплаты налогов к совокупным активам;
V 4 — отношение денежного потока к полной задолженности;
V 5 — отношение долга к совокупным активам;
V 6 — отношение текущих пассивов к совокупным активам;
V 7 — логарифм материальных активов;
V 8 — отношение оборотного капитала к полной задолженности;
V 9 — логарифм отношения прибыли до уплаты процентов и налогов к выплаченным процентам.
Две описанные модели скоринга, как и множество других моделей, объединяет общее свойство — их многомерность, которая может быть проиллюстрирована в простейшем случае для двух факторов риска геометрической «интерпретацией» (рис. 3), где факторы риска кредитоспособности — это некие переменные X1 и X2 (их конкретный смысл в данном случае не важен).
Рисунок 3
Заемщики двух классов представлены на рисунке овалами разных цветов: одни, например «плохие», — серым овалом, тогда как другие («хорошие») — черным. Отличить «плохих» заемщиков от «хороших» ни по одному фактору риска в отдельности не представляется возможным (из-за значительного пересечения функций распределения факторов риска — колоколообразных кривых). На рис. 3 колоколообразные кривые по осям факторов риска образуются за счет проецирования на эти факторы риска групп «хороших» и «плохих» заемщиков. Данные проекции — функции плотности вероятности — описывают частоту встречаемости используемых для скоринга свойств заемщика в классифицируемых группах. Бльшая область пересечения этих кривых по любому из факторов риска говорит о невозможности отличить «плохих» заемщиков от «хороших». Заемщики разных классов очень похожи друг на друга, если оценивать их по первому и по второму факторам риска. Модель скоринга «ищет», используя статистику ранее обработанных кредитов, такой «угол зрения» на данные в пространстве факторов риска (в нашем случае оно двумерно, а в общем случае — многомерно), чтобы рассматриваемые под этим «углом» объекты разных классов были максимально не похожи друг на друга. На рис. 3 этот «угол зрения» обозначен пунктирной прямой, проходящей между серым и черным овалами и разделяющей их. Перпендикуляр к этой прямой и является осью скоринга, проецирование на которую образов «плохих» и «хороших» заемщиков дает возможность отличить их друг от друга. Точка пересечения данных прямых дает пороговое значение скоринга (уровень отсечения) — Z*. Функции плотности заемщиков разных классов при проецировании на ось скоринга Z становятся отличными друг от друга. Откуда в модели появляются численные значения коэффициентов, взвешивающих входящие в нее факторы риска? Эти коэффициенты — результат процедуры обучения, когда для настройки модели ей предъявляются имеющиеся статистические данные о выданных кредитах и результативности этого процесса («плохие» и «хорошие» заемщики) и она итеративно «подбирает» коэффициенты таким образом, чтобы точность распознавания «плохих» и «хороших» заемщиков была максимальной. На рис. 3 это подбор угла наклона прямой, рассекающей серый и черный овалы, и точки пересечения этой прямой с осью ординат.
Для определения коэффициентов модели необходимо, чтобы статистическая выборка была разбита по тем группам заемщиков (в простейшем случае их две — «плохие» и «хорошие»), которые должна распознавать скоринговая модель. Эта проблема обозначается термином «кредитное кладбище». Более того, к данным, используемым для подбора коэффициентов, предъявляются довольно жесткие требования: чтобы эти коэффициенты «чувствовали» «плохих» заемщиков, тех должно быть достаточно много (а у многих наших банков количество «плохих» заемщиков невелико, поскольку они только пытаются учиться кредитовать предприятия МСБ). Цифры, характеризующие отношение «плохих» заемщиков к «хорошим», типичны для многих банков: от 1 к 100 до 10-15 к 100 (по нашему опыту, порядок величин не сильно варьируется). Конечно, в результате кризиса 2008 г. число «плохих» заемщиков выросло до такой степени, что многие банки были близки к краху, но… проблемы с базами статистических данных по-прежнему существуют даже у таких банков, так как их падение было обусловлено большой концентрацией предприятий конкретных отраслей в их кредитных портфелях. К таким отраслям, превалировавшим в портфелях банков, относились строительство и торговля. Говорить о возможности реализации процедуры статистического обучения, даже при таких «кредитных кладбищах», пока нельзя. Помимо количественного соотношения в обучающей статистике «плохих» и «хороших» кредитов, важным фактором является общее количество примеров для каждой отрасли. А формирование портфелей из столь различающихся экономически отраслей, как торговля и строительство, приводит к тому, что мы пытаемся описать одной моделью различные объекты. Строительство характеризуется значительным объемом основных средств и достаточно медленным оборотом капитала, тогда как торговля — малым объемом основных средств и высоким оборотом капитала. Отметим, что чем подробнее описание заемщика (к чему, естественно, стремится любой кредитор, используя большее число признаков), тем большее количество как «хороших», так и «плохих» примеров должно содержать используемое «кредитное кладбище». Таким образом, для создания скоринга, использующего процедуру обучения «с учителем» (сюда относятся обе обсуждаемые нами модели), нужно, чтобы набралось достаточное число заемщиков, нанесших урон банку. Есть обходной путь, требующий использования экспертных знаний. Однако выбирая его, следует понимать, как можно оценить состав требуемых для скоринга признаков, значимость того или иного признака кредитоспособности и как объединять мнения множества экспертов по этому поводу, поскольку полагаться при выдаче кредитов на мнение одного человека опасно. Именно поэтому при формализации экспертных знаний мы все равно попадаем на «дорогу», ведущую нас к статистическому скорингу.
В завершение данного раздела обратим внимание на то, что алгоритмы, выбранные нами для обучения модели скоринга, относятся к классу статистических моделей: для построения моделей необходимы обучающая выборка и процедура статистического обучения. Это означает, что у модуля скоринга должно существовать как минимум два режима функционирования. Первый, при наличии данных, режим для обучения модели: нахождения таких коэффициентов модели, которые наилучшим образом позволят отклассифицировать выборку статистических данных. Второй режим — собственно эксплуатация построенной модели, в этом режиме модель обеспечивает реализацию классификации входного потока заемщиков на педустановленные в режиме обучения классы. Для реализации первого режима — обучения модели скоринга — необходимо выполнить несколько предварительных условий. Во-первых, статистические данные должны быть предварительно подготовлены специальным образом: выборка данных должна быть разделена на две части — обучающую и тестовую. В обучающей выборке необходимо собрать данные о потенциальных заемщиках в избыточном объеме. В нее следует включить переменные, которые потенциально могут оказаться полезными для решения вопроса о кредитоспособности заемщиков, а уж выбор конкретных переменных для включения в скоринговую модель осуществляется в процессе обучения и без участия человека. Во-вторых, пользователь (банковский специалист) должен иметь возможность выбирать из нескольких типов моделей скоринга (мы говорим о двух наиболее распространенных алгоритмах: логистической регрессии и деревьях решений). Все сказанное проиллюстрировано на рис. 4.
Рисунок 4
В левой части рисунка приводится блок-схема функционирования модуля скоринга в режиме обучения, а в правой — в режиме эксплуатации. Первый из описываемых режимов функционирования данного модуля обеспечивает отбор из избыточного набора признаков того подмножества, которое обеспечивает требуемый уровень классификации, то есть именно в этом режиме и строится математическая модель скоринга (например, определяются коэффициенты логистической регрессии). Но для построения модели скоринга необходимо как-то обеспечить остановку процедуры обучения, для чего используется специальная модель, которая рассчитывает так называемую ROC-кривую и показатель качества модели скоринга — AUC. После того как в процессе статистического обучения будет достигнут требуемый уровень качества модели, процедура статистического обучения завершается и модель переходит в режим эксплуатации. На рис. 5 представлена ROC-кривая, полученная при внедрении системы скоринга в одном из российских банков, входящих в топ-100. По вертикальной оси на графике откладывается процент «плохих» заемщиков, которых вылавливает модель из общего количества заемщиков с недостаточным кредитным качеством. По горизонтальной оси откладывается доля заемщиков из общего потока заемщиков — потенциальных клиентов, которым будет отказано в получении кредитных средств. Биссектриса прямого угла, идущая слева направо на рисунке, показывает скоринговую модель, которая для принятия решения «бросает монетку» (случайный классификатор). Понятно, что чем лучше скоринговая модель, тем «круче» должна проходить ROC-кривая.
В идеальной модели она должна совпадать с прямым углом (левым верхним). Это означает, что модель распознает всех «плохих» заемщиков в обучающей выборке, но при этом никому необоснованно не отказывает в кредите, а этого быть не может. Как видно из иллюстративного примера, характеризующего скоринг в почти идеальной ситуации, всегда существует некое пересечение образов «хороших» и «плохих» заемщиков. Поэтому в реальности кривая должна лежать в промежуточном положении (между биссектрисой и левым верхним углом). Качество модели, ROC-кривая для которой приведена на рис. 5, было весьма высоким, показатель AUC для нее равнялся 0,85.
Рисунок 5
Проблемы получения модели скоринга для кредитования МСБ
Как уже говорилось выше, введение скоринга в банковский менеджмент становится весьма актуальным из-за роста как потребительского, так и коммерческого кредитования. Обозначим проблемы, с которыми придется столкнуться на этом пути банковскому сообществу.
Попытка применить модель Альтмана для Газпрома, Роснефти или ЛУКОЙЛа, по крайней мере с формальной точки зрения, не встретит никаких трудностей. Есть данные официальной отчетности, есть весовые коэффициенты, а значит, можно вычислить оценку кредитоспособности заемщика. Но что делать, если надо оценить не упомянутые крупнейшие компании, а «свечной заводик отца Федора», акции которого не котируются не то что на NYSE, но даже на ММВБ (напомним, что мы рассматриваем оценку кредитоспособности предприятий МСБ). Даже беглого взгляда на соответствующую формулу достаточно, чтобы увидеть, что из пяти объясняющих переменных в случае «свечного заводика» в формуле остаются только четыре переменные. Оценка скоринга (значение Z в формуле) уменьшится (хотя, строго говоря, это произойдет только в том случае, если на место D поставить 0), что на самом деле не соответствует рассматриваемому случаю). Как отмечалось, значение скоринга для конкретного заемщика сравнивается с пороговой величиной:
Z > Z* — «хорошие» заемщики;
Z < Z* — «плохие» заемщики.
Однако, если нельзя учесть некоторые переменные (если акции предприятия не котируются на бирже, то переменная D отсутствует в описании кредитного качества), ломается сам «измерительный инструмент», представленный моделью (численная оценка без учета фактора D, например, всегда будет смещена в область худших оценок скоринга). В реальности ситуация еще сложнее: не принимая во внимание переменную D, мы изменяем, не желая того, геометрию пространства факторов риска и, как следствие, весовые коэффициенты и по другим факторам риска заемщика. Меняется сама модель: критическое значение скоринговой оценки (порог отсечения), с которым сравнивается оценка каждого заемщика, становится другим. Следовательно, в наших условиях сам выбор объясняющих переменных для оценки скоринга российских фирм является весьма нетривиальной задачей. Э. Альтман построил свою модель на данных всего 60 компаний, в ней отражена вполне конкретная отраслевая специфика бизнеса (базовые отрасли американской экономики), она никак не учитывает риски, связанные с бизнес-циклами в России, и риски, свойственные компаниям с другой отраслевой принадлежностью. Поэтому можно констатировать следующее: использование такого рода модели путем ее механического переноса в наши условия становится мощнейшим фактором риска кредитной оценки — тем, что в риск-менеджменте называется модельным риском. Очень яркий пример рисков, связанных с применением моделей статистического скоринга, приводится в одной из работ, посвященных изучению эффективности скоринговых моделей1. В ней говорится, что набор переменных, формирующих оценку скоринга, может изменяться с течением времени и что «граница» между анализируемыми группами может быть не линейной (как показано на рис. 3), а иметь существенно более сложную форму, которая не сможет быть описана простейшей формулой типа модели Альтмана. Авторы этой статьи исследовали несколько математических подходов для построения скоринга, где в качестве факторов риска использовался 31 финансовый коэффициент, характеризующий различные стороны финансового состояния компании. Ими проанализировано 11 моделей скоринга, разработанных в период с 1931-го до 1996 г., для построения которых применялись три математических подхода: дискриминантный анализ, логит-модель и генетические алгоритмы. Авторы статьи показали два основных момента. Первый связан с фактом изменения состава факторов риска в модели скоринга: он изменяется в зависимости от времени — чем раньше до будущего банкротства его надо «увидеть» скорингу, тем большее количество переменных в модели надо учесть. Второй связан с тем, что граница между классами заемщиков нелинейна: точность оценок, получаемых с помощью скоринга, основанного на генетических алгоритмах (они генерируют нелинейную границу), существенно выше, чем у моделей, основанных на дискриминантном анализе (он генерирует линейную границу). Правда, первый подход требует в среднем в три раза больше переменных, чем второй.
Рассмотрение проблемы управления кредитными рисками не будет полным, если мы не затронем проблем и возможных путей их решения при проектировании системы управления кредитными рисками не только физических, но и юридических лиц. Мы это сделаем на примере оценки кредитоспособности предприятий малого и среднего бизнеса. Цель данного раздела статьи — показать, что предложенный состав и архитектура сохраняются при переходе от кредитования физических лиц к кредитованию предприятий малого и среднего бизнеса. Доказательство этого факта позволит говорить о том, что предлагаемый нами состав модулей системы управления кредитными рисками и его функциональная архитектура являются универсальными.
Очевидно, что первой проблемой, с которой мы столкнемся при переходе к измерению кредитного риска малых и средних предприятий, является тот факт, что для этого типа заемщиков не накоплен достаточный фактический материал. Для сохранения универсальности предложенной нами функциональной архитектуры и состава модулей, формирующих систему управления транзакционной частью кредитного риска, мы предлагаем несколько расширить логическую модель скоринга для предприятий МСБ. Предлагаемое расширение представлено блок-схемой на рис. 6.
Рисунок 6
Суть изменений логической структуры скоринговой модели сводится к тому, что традиционный для решения этой задачи состав алгоритмов (деревья решений, логистическая регрессия и т.д.) расширяется, и в модель мы предлагаем включить алгоритмы SD-моделирования. Причины, по которым мы предлагаем такое решение, следующие:
— в отсутствие статистических данных традиционный набор алгоритмов оказывается просто бесполезным по причине невозможности реализовать обучение модели;
— для принятия решений о кредитовании в случае предприятий малого и среднего бизнеса на кредитоспособность заемщика оказывает влияние существенно больший спектр переменных, чем для физических лиц;
— широко известен факт, что бухгалтерская отчетность предприятий российской экономики часто очень слабо отражает реальное положение дел в бизнесе в силу того, что она очень сильно искажается в связи с налоговой «оптимизацией»;
— скоринговая модель должна отражать отраслевую специфику предприятий МСБ.
В частности, в контексте второго утверждения можно говорить о необходимости учета в скоринговой модели для МСБ не только финансовой информации. Очень важно, в силу масштабных эффектов, оценивать экономическое окружение скорингуемых предприятий. Важно учесть в моделях скоринга такие переменные внешней среды, как спрос и предложение. При их вариациях могут претерпевать резкие изменения и денежный поток предприятия и все его финансовые показатели, на которых обычно строятся скоринговые модели для юридических лиц. Кроме того, на состоянии предприятий, опять-таки в силу их малого масштаба, могут сказываться и особенности управления. Поэтому крайне важно иметь возможность учитывать качество управления предприятием. И если оценить в числовой форме состояние спроса и предложения в отрасли, к которой принадлежит предприятие, не составляет труда, то оценить качество управления предприятием является нетривиальной задачей. Для этого необходимо, чтобы модель могла потреблять экспертную информацию. Включение в логическую структуру скоринговой модели для предприятий МСБ блока SD-моделирования позволяет адекватно учесть все вышеперечисленные требования. Для реализации любой SD-модели, как известно, в качестве первого шага необходимо составить когнитивную карту. Когнитивная карта представляет собой диаграмму причинных влияний в виде направленного графа. Узлы этого графа представляют собой переменные, которые включаются аналитиком в описание кредитоспособности предприятия, а ребра — причинные влияния переменных друг на друга. На рис. 7 представлена когнитивная карта гипотетического предприятия лесной индустрии, которое занимается заготовкой и переработкой леса.
Такое изменение в логической структуре скоринговой модели обеспечивает не только решение четырех проблем, перечисленных нами ранее, но и возможность динамической оценки кредитоспособности предприятий МСБ. Использование в модели скоринга SD-модели позволяет сгенерировать недостающие для построения статистического скоринга данные. За счет прямого учета объема, сроков и типа займов (рис. 7) модель позволяет сгенерировать «кредитное кладбище», определив состояние дефолта как невозможность погасить текущую задолженность в течение, скажем, трех месяцев. Варьируя входные показатели модели, такие как спрос, предложение, качество менеджмента, параметры кредита, мы в процессе SD-моделирования получаем различные траектории для денежного потока предприятия, а значит, и разные условия выпадения заемщика в дефолт (при разных сочетаниях входных параметров модели мы имеем и разные финансовые показатели). Имея таким образом сгенерированное искусственное «кредитное кладбище», мы можем стандартным способом применить на указанной статистике традиционные алгоритмы скоринга в виде той же логистической регрессии. Но, кроме того, мы получаем существенный выигрыш от изменения логической структуры модели за счет того, что такая модель позволяет не только решить проблему отсутствия статистических данных, что важно для режима обучения, но и существенно расширяет функциональность скоринга в режиме эксплуатации скоринговой модели.
Поясним, что нового дает расширение логической структуры для последнего режима. Во-первых, мы можем генерировать сколь угодно большие выборки данных, что обеспечивает точность моделей статистического обучения, которые позволят учесть отраслевую специфичность бизнеса кредитуемых предприятий МСБ. В силу отсутствия ограничений на объем генерируемых искусственных данных по дефолтам предприятий МСБ (каких в реальной жизни в требуемом количестве никогда не бывает) мы учитываем в структуре когнитивной карты отраслевую специфичность: предприятия торговли характеризуются быстрым оборотом капитала и низкими основными фондами, в то время как производственные предприятия характеризуются большими значениями основных фондов и медленной скоростью оборота. За счет использования в когнитивной карте экспертной информации мы можем моделировать влияние на денежные потоки качества управления, а при использовании макроэкономической статистики — влияние вариации спроса и предложения на объемы продаж оцениваемого предприятия. И, наконец, мы можем моделировать денежные потоки предприятия в динамике за счет именно SD-моделей в структуре скоринга, что позволит нам более рационально формировать график платежей. Кроме того, динамичность получаемых оценок позволит нам естественным образом в рамках одной и той же модели реализовать не только аппликативный, но и поведенческий скоринг, если в течение периода обслуживания кредита у оцениваемого предприятия вдруг возникнут проблемы с погашением его задолженности. Такая структура скоринговой модели позволит нам в момент возникновения проблем эффективно оценить перспективы погашения возникшей задолженности и принять в отношении такого заемщика более обоснованные управленческие решения.
Рисунок 7
Вместо заключения: что еще нужно для «спокойной» жизни в кредитном бизнесе?
В силу того что кредитный риск устроен иерархически (имеет три уровня — от транзакционного до аллокационного), для управления кредитными рисками нам понадобится еще два комплекса моделей. Первый будет служить целям управления портфельным кредитным риском, а предназначение второго состоит в поддержке управленческих решений в части аллокации кредитного капитала по регионам присутствия банка и по продаваемым продуктам. Кроме того, даже на транзакционном уровне для управления кредитными рисками заемщиков недостаточно просто классифицировать входной поток заемщиков на «хороших» и «плохих». Необходим еще целый ряд функций, без использования которых применение скоринга не будет давать удовлетворительных результатов. Эти две темы будут рассмотрены нами позже.
Оценить:
1 0
Малый и средний бизнес в современных условиях является одним из самых выгодных целевых сегментов для российских банков. Причин этого повышенного интереса несколько:
более низкий уровень конкуренции в данном секторе по сравнению с обслуживанием крупного бизнеса;
более «рыночный» характер взаимоотношений с клиентом, меньший риск использования «административного ресурса» при разрешении споров;
отсутствие рынка «покупателя», соответственно возможность получения более высоких процентов и комиссий (при повышенном риске, разумеется);
наличие как государственных, так и международных (ЕБРР, Международная финансовая корпорация) программ рефинансирования кредитов малому и среднему бизнесу - возможность для банков привлекать относительно дешевые финансовые ресурсы;
возможность реализации массовых банковских продуктов, что снижает издержки и ведет к повышению эффективности банковского бизнеса.
Но потенциально высокие доходы связаны и с высокими реальными рисками. Безусловно, кредитование малого и среднего бизнеса является значительно более рискованным по сравнению с крупным бизнесом. И причины не только в несравнимой финансовой мощи предприятий этих секторов. Многие риски связаны со спецификой деятельности предприятий малого и среднего бизнеса в России. Один из наиболее очевидных рисков связан с отсутствием прозрачности (недостоверностью) финансовой отчетности, использованием схем налоговой оптимизации и т. д., иными словами, невозможностью оценить истинное финансовое положения предприятия по официальной отчетности, при этом стандартные методики кредитного анализа, применяемые для оценки потенциальных заемщиков, либо не работают, либо дают искаженную картину. Причина данного положения - в стремлении предприятий избежать налогообложения. Уход от налогообложения или серьезное снижение налогового бремени с 90-х годов рассматривается как конкурентное преимущество, поэтому использование «специальной бухгалтерии» и «налогосберегающих технологий» остается широко распространенным явлением в среде малого и среднего бизнеса. Конечно, масштабы уклонения и степень агрессивности в оптимизации налогообложения в настоящее время гораздо ниже по сравнению с 90-ми годами. Причем значительную роль сыграла востребованность кредитов и распространение банковского кредитования. Каковы же наиболее часто встречающиеся проблемы с финансовой отчетностью небольших российских предприятий:
ничтожная величина собственного капитала предприятия;
непрозрачная структура собственности компании;
наличие фиктивного заемного капитала либо задолженности, не отраженной в балансе;
сокрытие «убытков» в активе баланса или отсутствие отражения в балансе реальных активов;
фиктивные расходы предприятия, призванные сократить налогооблагаемую базу;
наличие «забалансовых» обязательств предприятия, не отраженных в отчетности;
отсутствие стандартных форм отчетности (баланс, отчет о прибылях и убытках и т. д.) в случае использования упрощенной системы налогообложения (УСН).
Важнейшая роль банков в развитии малого бизнеса объясняется сложностью для малых и средних предприятий получить финансовые средства из других источников. На современном этапе в России насчитывается более 5 миллионов малых и средних предприятий, основная масса которых функционирует в таких отраслях как оптовая и розничная торговля, сфера услуг, строительство, обрабатывающее производство.
Данный сегмент имеет огромный запас роста, и объемы кредитования малого и среднего бизнеса будут расти. Рост рынка кредитования МСБ является прямым следствием общей стабилизации ситуации в экономике, увеличения спроса на кредиты, а также повышения доступа представителей МСБ к заемным средствам.
